买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中交四航局第三工程有限公司;中交第四航务工程局有限公司申请的专利一种基于深度学习的混凝土冲毛质量视觉检测与分级系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120609743B 。

龙图腾网通过国家知识产权局官网在2025-12-02发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510975064.1，技术领域涉及：G01N21/01；该发明授权一种基于深度学习的混凝土冲毛质量视觉检测与分级系统是由何丽平;岑文杰;陆鹤升;夏显煌;梁春艳;王能兴;孙博宇;罗尚斌设计研发完成，并于2025-07-15向国家知识产权局提交的专利申请。

本一种基于深度学习的混凝土冲毛质量视觉检测与分级系统在说明书摘要公布了：本发明提供了一种基于深度学习的混凝土冲毛质量视觉检测与分级系统，适用于混凝土冲毛技术领域。本发明的系统包括数据采集模块、动态预处理模块、深度学习模型识别模块以及决策交互模块，通过三维空间坐标信息转化为混凝土冲毛质量评价指标，进行定量化质量分级，实现欠冲合格过冲的精确分类；采用Brenner函数验证和液体调焦镜头控制，实现粗糙面自动对焦，提高粗糙面图像清晰度以及加快拍摄速度；模型通过ImageNet预训练和FocalLoss优化，可在单次拍摄后快速输出质量级别，结合改进SIFT特征匹配实现图像拼接与返工区域标注。

本发明授权一种基于深度学习的混凝土冲毛质量视觉检测与分级系统在权利要求书中公布了：1.一种基于深度学习的混凝土冲毛质量视觉检测与分级系统，其特征在于，包括： 数据采集模块，通过自动对焦工业相机搭配环形光源采集冲毛过后混凝土施工缝粗糙面的原始图像数据； 动态预处理模块，用于实时优化原始图像数据的质量； 深度学习模型识别模块，通过混凝土冲毛质量视觉检测模型识别冲毛过后混凝土施工缝粗糙面的质量级别； 决策交互模块，用于显示实时检测结果，拼接原始图像数据形成已扫描区域整体图像后，标注返工区域； 所述混凝土冲毛质量视觉检测模型，其训练过程包括采集训练样本数据集、数据预处理、模型架构设计以及模型训练； 采集训练样本数据集，固定拍摄设备与混凝土施工缝粗糙面的拍摄距离，使拍摄范围与3D线激光扫描仪单次扫描范围一致，每一次扫描对应拍摄一张混凝土施工缝粗糙面的图像，通过3D线激光扫描仪采集混凝土结构冲毛过后混凝土施工缝粗糙面的三维空间坐标信息，根据三维空间坐标信息进行质量级别评价得到对应图像的质量级别； 数据预处理，采用多尺度Retinex算法分解入射光与反射光分量，通过高斯滤波核的多尺度空间卷积消除光照不均，应用旋转、翻转与亮度对比度抖动增强数据多样性；采用过采样与欠采样混合策略，基于特征空间插值生成合成样本，应用K近邻规则筛选边界样本进行插值；引入动态权重分配机制，根据类别密度调整生成样本的区域权重，优先在分类边界区域增加合成样本；结合生成对抗网络在潜在空间进行数据增广，通过判别器-生成器博弈提升样本真实性；同步执行噪声过滤，利用编辑最近邻算法删除重叠区域的异常样本； 模型架构设计，特征提取层采用改进的ResNet-34作为骨干网络，嵌入ECA注意力模块强化特征提取；构建多尺度融合层，引入双向跨层连接和可变形卷积模块；分级决策层集成空间金字塔池化层，区分混凝土冲毛质量的欠冲、合格和过冲三种分类； 模型训练，基于ImageNet预训练权重初始化骨干网络，冻结前3层卷积参数，采用余弦退火学习率微调高层模块；然后解冻前3层卷积参数，引入FocalLoss平衡欠冲过冲样本分布，设置γ=2.0抑制易分类样本权重；采用AdamW优化器进行训练，学习率采用分阶段衰减策略，每10epoch执行一次验证集早停检测，当连续3次验证损失未下降时触发模型回滚； 所述质量级别评价为： 1 式中，Q-混凝土冲毛质量评价指标，w1、w2、w3-权重系数，H1-归一化的相邻波峰波谷最大垂直高度差，S1-归一化的最大波峰与最大波谷斜度，N1-归一化的单位面积波峰数量；所述归一化根据各指标最大最小参考值进行； 所述最大最小参考值根据历史质量检测结果进行统计；当Q≤0.2时，质量级别评价为欠冲；当0.2＜Q≤0.8时，质量级别评价为合格；当Q＞0.8时，质量级别评价为过冲。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中交四航局第三工程有限公司;中交第四航务工程局有限公司，其通讯地址为：524000 广东省湛江市开发区乐华街道乐山路23号恒兴大厦19楼；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。